基于无线访问节点选择的煤矿井下定位方法.pdf

工矿自动化 In d ustryan d Min eAutomation 第45卷第6期 2019年6月 Vol 45 No 6 Jun 92019 文章编号1671-251X201906-0069-04DOI10. 13272/j. issn . 1671251x. 2018120057 基于无线访问节点选择的煤矿井下定位方法 季鹏，赵培培，宋明智，张柯楠 中国矿业大学 信息与控制工程学院江苏 徐州221008 扫码移动阅读 摘要针对量子粒子群优化-基于阶次序列定位QPSO-SBL方法定位精度较低的问题，采用基于信息 增益的无线访问节点AP选择算法对其进行优化，由此提出了 一种基于无线AP选择的煤矿井下定位方 法。该方法根据AP的综合可辨识性按照降序对所有AP进行排列，选取前-个AP组成可用AP集合，将 可用AP集合作为QPSO-SBL法的输入量，通过QPSO-SBL方法得出定位结果。试验结果表明，基于 无线AP选择的煤矿井下定位方法较QPSO-SBL方法的平均定位误差降低了约10. 2，整体稳定性较强 定位效果较好％ 关键词煤矿井下定位；无线传感网络；信息增益；AP选择；QPSO-SBL方法 中图分类号TD67 文献标志码A Coalmin eun d ergroun d loc aliz ation based on wirelessac c esspoin tselec tion JI Pen g, ZHAO Peipei, SONG Min gzhi, ZHANG Ken an Sc hool of In ation an d Con trol En gin eerin g, Chin a Un iv ersity of Min in g an d Tec hn ology, Xuzhou 221008, Chin a Abstract For problem of low loc alization ac c urac y of quan tum partic le swarm optimization -sequen c e based 8oc aiz ation QPSO-SBL ,a wire8ess ac c ess poin tAP se8ec tion a8gorithm based on in ation gain was used to optimize QPSO-SBL , an d a c oal min e un d ergroun d loc alization based on wireless AP selec tion was proposed . In the , all APs are ran ked in d esc en d in g ord er ac c ord in g to c omprehen siv e id en tifiability of AP, an d the first - APs are c hosen to an av ailable APset.Theav ailable APsetisc on sid ered asin putof QPSO-SBL ,an d loc aliz ation resultsare obtain ed by QPSO-SBL .Thetestresultsshow thatc ompared with QPSO-SBL ,the av erageloc alization errorofthec oalmin eun d ergroun d loc aliz ation based on wirelessAPselec tion isred uc ed by10.2 withstron gerstabilityan d beterloc alization efec t. Key words c oal min e un d ergroun d loc alization ； wireless sen sor n etwork; in ation gain ； AP selec tion ； QPSO-SBL 0引言 近年来，无线传感器网络由于其具有自组织、分 布式功能及成本低、可靠性高等特点「T在煤矿定位 领域得到了广泛关注。为了提高基于无线传感器网 络的煤矿定位方法精度，研究人员提出了不同的定 位方法或对现有定位方法进行优化。文献[5]提出 了基于阶次序列定位Sequen c e-Based Loc alization ,SBL方法，试验表明SBL方法受阴影 效应及多径效应影响较小，定位精度较高，能够较好 地适应煤矿井下环境，但是对位于2个相邻区域边 界附近节点的定位效果不够理想。为解决上述问 收稿日期收稿日期018-1222；修回日期修回日期2019-0429 ;责任编辑责任编辑李明. 基金项目基金项目国家重点研发计划资助项目2018YFC0808302. 作者简介作者简介季鹏1992-，男，山西太原人，硕士研究生,主要研究方向为煤矿井下人员定位、矿山物联网,E-mail jipen g_c umt 126. c om。通信 作者赵培培赵培培1979，，女，山东济宁人，副教授，博士 ,主要研究方向为矿山物联网,E-mail 3775c umt. ed u. c n。 引用格式引用格式季鹏，赵培培,宋明智，等.基于无线访问节点选择的煤矿井下定位方法工矿自动化2019,4566972. JI Pen g,ZHAO Peipei,SONG Min gzhi,et al. Coal min e un d ergroun d loc alization based on ac c ess poin t selec tion [J]. In d ustry an d Min eAutomation 2019 45669-72. 70 工矿自动化 2019年第45卷 题，文献［6］采用量子粒子群优化Quan tum Partic le Swarm Optimization, , QPSO算法对 SBL 方法进行改进，用QPSO算法进行迭代运算，由此 提出了 QPSO-SBL方法，但该方法定位精度有待 提高。。鉴此，本文采用基于信息增益的无线访问节 点Ac c ess Poin t, AP 选择算法对QPSOSBL方法 进行优化，由此提出一种基于AP选择的煤矿井下 定位方法。。该方法对每个AP的综合可辨识性进行 量化，按照其降序对所有AP进行排列，选取前k个 AP形成可用AP集合，将可用AP集合作为 QPSO-SBL方法的输入量，通过QPSO-SBL方法 得出定位结果。试验结果表明，与QPSO-SBL方 法 ， ，基 AP 的 矿井下定 方法的定 精度高，稳定性强，定位效果较好。 。 1 AP选择算法 通常认为，定位区域范围内AP密度越大，则该 区域内定位精度越高。在实际定位环境中，AP数 量对定位精度存在2个方面的影响①单位面积区 域内AP越多，则该区域内接收信号强度指示 Rec eiv ed Sign al Stren gth In d ic ation , RSSI O大， 更易于监测。②随着参与定位的AP增多，每个 AP对定位的贡献度不同，使得同一待测位置接收 到的来自不同AP的RSSI表现出很大的不确定性， 且计算量增大［78］ „因此，采用AP选择算法去除对 定位结果有负面影响的高噪声、弱分辨AP,既能提 高定位精度，又能减少定位时间，对实际定位具有重 要意义。 目前主流的AP选择算法主要有Max- Mean 算法9和In foGain算法［10］。。MaxMean算法具有 原理简单、逻辑结构清晰的优点，但当AP过多时定 位误差较大。。In foGain算法结合了信息论中的信息 增益原理，将AP对于不同网格区域的区分能力作 为筛选标准，通过RSSI均值在不同网格区域的分 布情况来确定AP辨别能力，选取网格区域辨别能 力最强的k个AP组成AP子集，但In foGain算法 不能有效区分相似度较高的AP,影响定位精度。 2基于信息增益的AP选择算法 本文充分考虑邻近的各AP之间的差异程度, , 将不同AP的差异程度作为AP选择的重要指标, , 对In foGain算法进行优化。 。 2. 1 信息增益原理 信息爛可作为量化集合纯度的指标。。集合D 的信息 ED ⑴ 式中为样本类别；y为样本类别总数；Sx为第X 类样本在集合D所有元素中所占的比例。 ED越小，则集合D的纯度越高。 假设集合D中各元素有若干离散属性，其中属 性m有N个可能的取值，即H1 , H2 ,，mN },若基 于属性m对集合D进行分割,则会产生“个分支 节点，在集合D所有元素中对于属性m取值为 m““ 1,2，，N的元素均属于第“个分支节点, 记作D“,其所含元素个数为s D ,信息爛为 ED”。不同的分支节点可能包含不同数量的集合 元素，说明不同分支节点相对于集合所占的权重不 同，则第“个分支节点的权重为sD”/sDsD 为集合D所含元素个数,即包含于该分支节点的 集合元素越多，该分支节点的影响力越大。基于属 性m对集合D进行分割所得的信息增益为 N GD,mED sD“DD“ 2 “1 sD 一般地，由式2得出的信息增益越大，说明基 于属性m对集合D进行分割所得结果对集合D的 纯度提升程度越大，因此本文采用信息增益进行 AP选择。 2. 2 信息增益计算 可视AP是指在待测区域内所有可被检测到的 AP。设待测区域内有h个可视AP,将每个可视 AP看作1个特征，则该待测区域有h个特征。经 分析可知某些AP在特定的网格区域内无法检测, 导致待测区域内有部分RSSI缺失。对于缺失的 RSSI,可用可视AP中检测到的RSSI最小值代替。 记第** 1,2,，h个AP为A,,其信息增 益 GAt ELEL | A. 3 式中EL为未知AP接收的RSSI时终端设备所 在位置L的信息爛，即原始信息爛；E L | A,为已 知AP接收的RSSI时终端设备所在位置L的信 息爛。 由于L只可以坐标形式离散表示定位区域内 的位置，所以可由式4、式5近似计算信息爛。 EL pLlog0L 4 1 EL | A, pL | A,l og0L | A, C 1 5 式中C为网格个数；L为第个采样点位置; PLJ为第个采样点位置的先验概率；C为可接 2019年第6期季鹏等基于无线访问节点选择的煤矿井下定位方法・71・ 收的RSSI个数0＞ | AQ为已知A,接收的RSSI 时第个采样点位置的条件概率。 2. 3 综合可辨识性计算 在In foGain算法的基础上，需对AP的综合可 辨识性进行分析11「12。首先计算A*和与之相邻的 其他AP之间RSSI差值与距离的比值;然后对所有 计算结果进行求和运算，所得结果记为FAJ，采用 FA表示A*和与之相邻的其他AP间的可分辨 程度；最后通过FAZ与信息增益进行权重分配，得 到表示综合可辨识性的指标 A, GAZ FA, 6 FAZ ＞匚＞1 ⑺ 式中心A*为A*处信息增益；为用可分辨程度与 信息增益进行权重分配时的权重；Q为与民相邻的 AP个数；S为几接收到的RSSI；Se为民邻近节 点Ae接收到的RSSI；乙为凡位置；J为Ad 位置。 3基于基于AP选择的煤矿井下定位方法选择的煤矿井下定位方法 本文采用基于信息增益的AP选择算法优化 QPSO-SBL方法，由此提出基于AP选择的煤矿井 下定位方法。其定位步骤如下。 1 在待测区域内设置若干采样点，用于采集 可视AP的RSSI，并将所有可视AP组成初始AP 集合。 2 根据式3计算每个可视AP的信息增益。 3 通过信息增益分析特定AP和与之相邻的 其他AP间的可分辨程度，根据式6计算AP的综 合可辨识性指标M入。 4 按照MA降序对所有AP进行排列。 5 - AP AP 集合， 集合作为定位区域的AP集合。 6 使用SBL方法对定位区域进行网格划分， 得到未知节点的初步估计位置。 7 使用QPSO算法对初步估计位置进行优 化，得到最终的未知节点估计位置。 4试验及结果分析试验及结果分析 4. 1 试验环境 在中国矿业大学瓦斯煤尘爆炸国家重点实验室 对基于AP选择的煤矿井下定位方法进行试验。该 实验室模拟煤矿巷道环境，巷道尺寸为50 mX 4. 6 mX5 m长X宽X高，平面结构如图1所示。 模拟巷道外围全为山体岩石，仅有1个出入口与外 界相连，阴暗潮湿，与煤矿井下环境较接近。 可视AP 采样点 图1模拟巷道平面结构 Fig.1 Plan estruc tureofsimulated tun n el --- 外围山体為石---- C* * * *50m* *-71 4. 2 试验过程及结果分析 试验对QPSO-SBL方法、基于In foGain算法 优化 QPSO-SBLIn foGain-QPSO-SBL方法、基 于 Max-Mean 算法优化 QPSO-SBLMax-Mean- QPSO- SBL方法及本文方法的定位结果进行 对比。 设置网格边长为1 m,模拟巷道内可视AP为 21个。随机选择20个位置作为采样点，每个采样 点采集50次来自每个AP的RSSI。采集过程结束 后，分别采用In foGain算法.Max-Mean算法和基 于信息增益的AP选择算法对21个可视AP进行 ， 8 视 AP 作 AP 集 合 ， 作为QPSO-SBL方法的输入量。在线定位时，记 录20个采样点的定位结果，并进行定位误差分析。 各方法定位误差曲线如图2所示。 本文方法 In foGain -QPSO-SBL方法 4-0「 Max-Mean -QPSO-SBL 方法 3.5 - 、QPSO-SBL方法 1 A I 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 采样点编号 图2不同定位方法的定位误差曲线 Fig.2 Loc ation errorc urv esofd iferen t loc alization s 从图2可看出，In foGan-QPSO-SBL方法在 个别采样点处可实现精确定位，在其他采样点处定 位误差较大，稳定性较差。Max-Mean-QPSO- SBL 方法 的 定 误 较 大。 QPSO-SBL 方 法 定 误差为 1. 5〜2 . 2 m,较 Max-Mean-QPSO-SBL 方 法小。经分析，认为Max-Mean-QPSO-SBL方法 在AP选择过程中可能选择的AP过于集中，在长 宽比值较大的模拟巷道环境中影响了对定位区域的 网格划分,对定位精度造成了不良影响。本文方法 的定位误差为1. 3〜1. 9 m,在不同采样点处的定位 误差浮动较小，有较强的稳定性，定位效果优于其他 3 方法 。 经计算，QPSO- SBL 方法、In foGan- QPSO- SBL方法、M3x-Mem-QPSO-SBL方法及本文方 法的平均定位误差分别为1. 86, 1. 83 ,2. 68 , 1. 67 m,定位误差标准差分别为0. 17,0. 33,0. 52 , -72 - 工矿自动化 2019年第45卷 0.18。本文方法的平均定位误差较QPSO-SBL方 法减小了约10.2，定位精度高；定位误差标准差 较QPSO-SBL方法增加了约5.9，稳定性略有下 降，但整体仍处于较强水平。其他2种定位方法的 定位误差标准差较QPSO-SBL方法大幅提高，稳 定性较差。经分析认为这2种定位方法在AP选择 的过程中减少了可用AP的数量，导致单位面积待 测区域内可发射RSSI的AP减少，出现AP分布不 均情况，导致定位结果稳定性降低。 5结语 提出了一种基于信息增益的AP选择算法，并 采用该算法对QPSO-SBL方法进行优化，由此提 出了一种基于AP选择的煤矿井下定位方法。试验 结果表明，该方法较QPSO-SBL方法的平均定位 误差减小了约10. 2，定位结果稳定性稍有下降， 但整体稳定性较强。下一步将在提高该方法的定位 结果稳定性方面进行研究和探索。 参考文献References [1] 崔莉，鞠海玲，苗勇，等.无线传感器网络研究进展 [J].计算机研究与发展,2005,421163-174. CUI Li JU Hailin g, MIAO Yon g, et al. Ov erv iew of wireless sen sor n etworks [J]. Journ al of Computer Researc h an d Dev elopmen t,2005,421 163-174. [2] 魏宁，尹洪胜，刘秀荣，等.基于无线传感器网络的煤 矿瓦斯监测系统的设计[J].工矿自动化，2010, 36170-73 WEI Nin g, YIN Hon gshen g, LIU Xiuron g, et al. Design of gas mon itorin g system of c oal min e based on wireless sen sor n etworks [J]. In d ustry an d Min e Automation 2010 36170-739 [3] 赵小虎，张凯，赵志凯，等矿山物联网网络技术发展 趋势与关键技术工矿自动化2018,44417. ZHAO Xiaohu, ZHANG Kai , ZHAO Zhikai , et al. Dev elopin g tren d an d key tec hn ologies of n etwork tec hn ologyofmin eIn tern etofthin gs[J].In d ustryan d Min eAutomation 2018 4441-7. [4] 于海斌，曾鹏，王忠锋,等分布式无线传感器网络通 信协议研究[J]通信学报2004,2510102-110. YU Haibin ZENG Pen g WANG Zhon gfen g etal9 Stud yofc ommun ic ation protoc olofd istributed sen sor n etwork [J ]9Journ al on Commun ic ation s 2004 2510102-1109 [5 ] YEDAVALLI K , KRISHNAMACHARI B Sequen c e- based loc aliz ation in wireless sen sor n etworks[J]9 IEEE Tran sac tion s on Mobile Computin g , 2008 , 17181-949 [6 ] SONG Min gzhi QIANJian shen gImprov ed sequen c e- based loc alization applied in c oal min e [J ]9 In tern ation alJourn alofDistributed Sen sorNetworks 2016 12111-119 [7 ] SUN Jun , XU Wen bo , FENG Bin . A global searc h strategy of quan tum-behav ed partic le swarm optimiz ation [C]//Proc eed in gs of IEEE Con feren c e on Cybern etic san d In teligen tSystems Sin gapore2004 111-1169 [8 ] KENNEDY J , Eberhart R C. Partic le swarm optimization [ C ]//Proc eed in gs of the IEEE In tern ation alCon feren c eon NeuralNetworks Perth 19951942-19489 [9 ] YOUSSEF M AGRAWALA A9Han d lin g samples c orrelation in the Horus system[C]// Proc eed in gsof IEEE In tern ation al Con feren c e on Computer Commun ic ation s Hon gKon g20041023-10319 [10] CHEN Yiqian g , YANG Qian g , YIN Jie , et al. Power- efic ien t ac c ess-poin t selec tion for in d oor loc ation estimation[J] IEEE Tran sac tion son Kn owled gean d Data En gin eerin g 2006 187877-8889 [11] 李新春,侯跃基于改进AP选择和J最近邻法算法 的室内定位技术[J]计算机应用,2017 , 37 11 3276-32809 LIXin c hun HOU YueIn d oorposition in gtec hn ology based on improv ed ac c ess poin t selec tion an d K n eare,tn eighboralgorithm[J].Journ alofComputer Applic ation ,2017 37113276-3280. [2]葛柳飞,赵秀兰，李克清,等.分布式AP选择策略在 室内定位中的应用[J]传感器与微系统,2015 , 349154-157. GE Liufei ZHAO Xiulan LI Keqin g et al. Applic ation of d istributed AP selec tion strategy in in d oor loc ation [J].Tran sd uc er an d Mic rosystem Tec hn ologies2015 349154-157.